一种基于三轴加速计的智能监控视觉隐私保护方法技术

本发明专利技术公开了一种基于三轴加速计的智能监控视觉隐私保护方法，将智能监控摄像头和智能可穿戴设备进行融合。从智能可穿戴设备中采集三轴加速计数据，构建跌倒检测模型，同时从智能监控摄像头采集视频数据。当智能可穿戴设备检测到跌倒等危险行为发生时，首先利用CycleGAN对当前采集到的视频帧进行风格迁移，实现全帧的非现实处理，保护视频帧中出现的隐私信息，然后将经过处理的视频帧发送给服务器进行跌倒检测，提高跌倒检测的准确率和增强监控视频的隐私保护。当检测模型没有检测到跌倒等危险行为发生时，则丢弃当前视频帧，保护用户正常行为活动不被泄露。本发明专利技术有效地增强了用户的隐私保护、提高了跌倒检测率，同时也降低带宽消耗。低带宽消耗。低带宽消耗。

【技术实现步骤摘要】
一种基于三轴加速计的智能监控视觉隐私保护方法


[0001]本专利技术属于智慧养老中隐私保护领域，特别涉及一种基于三轴加速计的智能监控视觉隐私保护方法。

技术介绍

[0002]随着“大数据”时代的到来，“智慧城市”概念的提出，“智慧养老”也应运而出。《关于积极推进“互联网+”行动的指导意见》明确表示，将会进一步推进智慧健康养老产业发展，基于先进性的技术与产品，实现个体、家庭、社区以及机构等不同主体的有效融合。保障健康养老服务更具“智慧”，实现效率性与可靠性的全方位升级。目前，中国以居家养老作为主要形式，辅助以社区及机构，设置多元化养老体系。“智慧养老”模式的发展，有助于远程监控、实时定位、统一平台信息交互，满足现代家庭养老的现代化、科学化和人性化需求，也是智慧城市发展的重要方面。
[0003]然而，技术运用的背后也存在一定的隐患，各种数据上传到公共智慧养老服务平台，老人以及家人的隐私不能得到有效保护，在一定程度上，现阶段智慧养老发展的困境都与信息技术的使用和老人信息泄露事件息息相关。而智慧养老技术的使用和老人信息采集的过程中，备受老人的关注和保证智慧养老顺利发展的最主要的一个问题即是老人隐私权保护问题。智慧居家养老的良性发展亟待一系列有效的措施来保护个人隐私，为老人及家人的隐私提供一个良好的环境。
[0004]根据一项调查显示，在众多的智慧养老产品中，智能摄像头的发展有众多的受众群体。因为其突破了时间和空间的界限，给老人和家人带来了很大的便利，深受大家喜爱。智能家居摄像头的安装可以实时监控老人的生活状况，在老人遇到突发情况的时候可以在第一时间帮助他们，从这个层面来说，智能家居摄像头的安装为独居老人养老提供了更为便捷的服务，但在其迅猛发展、为养老带来众多方便的同时，智能摄像头的隐私问题也随之而来。
[0005]现有技术中，传统的视频隐私保护一般通过隐藏目标的视觉效果去实现，例如使用加密、模糊、像素化、替换、遮挡等相关技术过滤掉视频中的人脸信息。模糊化和像素化方法的隐私保护级别在很大程度上取决于模糊半径的大小，太小的值提供的保护太少，太大的值影响可用性。而加密、遮挡等方法，虽然保护了个人身份的隐私，但是不能满足后续的人工智能检测任务，会降低视频的可用性。近年来，由于深度学习的蓬勃发展，为视频隐私保护提供了新的思路。利用生成对抗网络的强大的风格迁移能力，进行全帧非现实处理，从而实现视频的隐私保护。但是由于目前的隐私保护处理大多都是全天24小时处理，不仅增加了网络带宽的消耗，还泄露了用户的正常生活行为。

技术实现思路

[0006]本专利技术提供一种基于三轴加速计的智能监控视觉隐私保护方法，以解决目前已有的智能监控隐私保护方法存在隐私保护不足以及传输能耗较高的问题，通过使用三轴加速
计数据，先行识别用户跌倒等异常行为，从而实现智能监控隐私保护。
[0007]为实现上述目的，本专利技术采用的技术方案为：
[0008]一种基于三轴加速计的智能监控视觉隐私保护方法，包括以下步骤：
[0009]S1.对智能可穿戴设备收集到的三轴加速计原始数据进行预处理；
[0010]S2.分析处理后的原始数据，提取相应特征；
[0011]S3.利用加速度强度值的变化来对智能可穿戴设备设置基于阈值的跌倒检测模块；
[0012]S4.采用视觉隐私增强CycleGAN对智能监控设置视觉隐私增强模块，隐藏全帧隐私信息；
[0013]S5.将经过视觉隐私增强模块处理之后的跌倒视频发送到远程服务器进行后续智能识别任务，没有发生跌倒等异常行为则不发送。
[0014]进一步的，所述步骤S1具体为：
[0015]S11.根据内置于智能可穿戴设备的三轴加速计收集到的原始信号数据(ACC_X、ACC_Y和ACC_Z)，对数据偏移进行校准，首先要确定坐标系，由于ACC_X和ACC_Y的理论值应为0，这两个读数偏移量采用统计均值的方式校准。ACC_Z则需要多一步处理，即在统计偏移量的过程中，每次读数都要加上理论值，再进行统计均值校准；
[0016]S12.采用卡尔曼滤波器去除原始数据中的噪声。
[0017]进一步的，所述步骤S2具体为：
[0018]S21.采用滑动窗口提取特征，滑动窗口由两个关键变量构成：滑动窗口大小(windowssize)和滑动步长(step)，其中，滑动窗口的大小指一次处理的数据量。本专利技术选择的滑动窗口的大小为2的指数次其中，f为传感器采样频率，保证提取频域特征时，傅里叶变换的顺利进行；
[0019]S22.用t来表示一个时间窗口的大小，采用信号幅值面积SMA来表示时域特征。信号幅值面积指x，y，z三轴的加速度读数曲线分别与三个坐标轴围成的面积之和。一般来说静止状态和运动状态下特征比较明显。计算公式为：
[0020][0021]其中：x(t)、y(t)和z(t)分别为时间窗口t时三个轴的加速度值。
[0022]S23.对于单个轴的加速度值的特征，采用单个轴的平均加速度值来表示，采样时间n处的y轴的平均加速度值的计算公式为：
[0023][0024]其中：y[i]为采样时间i时y轴的加速度值，N为采样数。
[0025]进一步的，所述步骤S3具体为：
[0026]S31.根据信号幅值面积(SMA)值的强度设置阈值T1对人类活动动作进行粗粒度跌倒事件检测。主要考虑了静止类的动作(包括站着、坐着和躺着)和运动类的动作(包括走路、上下楼梯以及跌倒等)。当用户进行运动类动作时，SMA值远高于静止类动作的SMA值；
[0027]S32.根据y轴的平均加速度值(y_mean)的强度设置阈值T2来进行细粒度跌倒事件
检测，它将跌倒动作和与跌倒动作相似的动作(如趴下和快速站起)进行区分，以提高跌倒检测的准确率。
[0028]进一步的，所述步骤S4具体为：
[0029]S41.边缘摄像头根据基于阈值的跌倒检测模块的跌倒信号，在把采集到的包含跌倒行为的视频帧发送到远程服务器之前需要对帧内容进行隐私保护。采用视觉隐私增强CycleGAN将发生跌倒的视频帧进行非现实处理。训练数据集首先应用双边滤波器(一种边缘保持平滑滤波器)来减少颜色数。然后，执行简单的图像分割，以快速定位可能对象的轮廓和边缘。最后，将分割出的部分分别与其对应区域的原始颜色的平均值进行重新着色，实现全帧的非现实处理，达到视觉隐私保护；
[0030]S42.训练时为每个智能摄像头分配密钥，该密钥是一个与原始视频帧具有相同高度和宽度的二维矩阵。该矩阵中的每个变量都为0
‑
255的随机数。在训练阶段，设备的密钥作为第四通道水印附加到原始3通道的RGB图像的训练数据中。通过视觉隐私增强CycleGAN将被处理的视频帧恢复为原视频帧，仅供授权用户使用。
[0031]进一步的，所述步骤S5具体为：
[0032]S51.当跌倒检测系统检测到发生跌倒等异常行为时，智能摄像头将跌倒时间段的受处理的视频帧发送给远程服本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三轴加速计的智能监控视觉隐私保护方法，其特征在于，包括以下步骤：S1.对智能可穿戴设备收集到的三轴加速计原始数据进行预处理；S2.分析处理后的原始数据，提取相应特征；S3.利用加速度强度值的变化来对智能可穿戴设备设置基于阈值的跌倒检测模块；S4.采用视觉隐私增强CycleGAN对智能监控设置视觉隐私增强模块，隐藏全帧隐私信息；S5.将经过视觉隐私增强模块处理之后的跌倒视频发送到远程服务器进行后续智能识别任务，没有发生跌倒等异常行为则不发送。2.根据权利要求1所述的基于三轴加速计的智能监控视觉隐私保护方法，其特征在于，所述步骤S1具体为：S11.根据内置于智能可穿戴设备的三轴加速计收集到的原始信号数据，所述原始信号数据包括ACC_X、ACC_Y和ACC_Z，对数据偏移进行校准，首先要确定坐标系，由于ACC_X和ACC_Y的理论值应为0，则ACC_X和ACC_Y读数偏移量采用统计均值的方式校准，ACC_Z在统计偏移量的过程中，每次读数都要加上理论值，再进行统计均值校准；S12.采用卡尔曼滤波器去除原始数据中的噪声。3.根据权利要求1所述的基于三轴加速计的智能监控视觉隐私保护方法，其特征在于，所述步骤S2具体为：S21.采用滑动窗口提取特征，滑动窗口由两个关键变量构成：滑动窗口大小windowssize和滑动步长step，其中，滑动窗口大小指一次处理的数据量，选择的滑动窗口的大小为2的指数次其中，f为传感器采样频率，保证提取频域特征时，傅里叶变换的顺利进行；S22.用t来表示一个时间窗口的大小，采用信号幅值面积SMA来表示时域特征，信号幅值面积SMA指x，y，z三轴的加速度读数曲线分别与三个坐标轴围成的面积之和，静止状态和运动状态下特征明显；计算公式为：其中：x(t)、y(t)和z(t)分别为时间窗口t时x，y，z三个轴的加速度值；S23.对于单个轴的加速度值的特征，采用单个轴的平均加速度值来表示，采样时间n处的y轴的平均加速度值y
mean
[n]的计算公式为：其中：y[i]...

【专利技术属性】
技术研发人员：袁家斌，胡坤松，周宪法，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：